Académique Documents
Professionnel Documents
Culture Documents
Económicas
ECONOMETRÍA I
ANÁLISIS DE SUPUESTOS
Ejemplo
Sea el modelo: Yi 1 2 X 2 i 3 X 3 i i
de 1) Y * Yi Yˆi de 2) X *2 i X 2 i Xˆ 2 i
rYX 2 rYX 3 rX 2 X 3 ˆ
2 rY 2.3
SY .3
rYX 2 . X 3 S 2.3
1 rX22 X 3 1 rYX
2
3
S 33 S y 2 S 23 S y 3 S 22 S y 3 S 23 S y 2 S 23
ˆ 2 ˆ 3ˆ2
S 22 S 33 S 232
S 22 S 33 S 23 S 22
2
S 22 S 33 S y 2 S 22 S 23 S y 3 S 23 S 22 S y 3 S 23 S 23 S y 2
S 22 ( S 22 S 33 S 23
2
)
S y2
ˆ 2
S 22
Mg. Beatriz Castañeda 4
Análisis del modelo
Supuestos del modelo Violación del supuesto
ˆ MCO ( X ´ X ) 1 X ´Y
( X´ X ) K No existe ( X ´ X ) 1
Sea el modelo Yi 1 2 X 2 i 3 X 3 i i
S 22 S 23 S 22 r23 S 2 S 3
x´ x ( n 1) 2
( n 1)
S 23 S3 r23 S 2 S 3 S 32
1 S 2
r23 S 2 S 3
( x´ x ) 1 2 2 2
3
( n 1)[ S 2 S 3 r23 S 2 S 3 ] r23 S 2 S 3
2 2
S 22
S 32 2 2
V ( ˆ 2 )
( n 1) S 22 S 32 (1 r232 ) ( n 1) S 22 (1 r232 )
S 2
2
2
V ( ˆ 3 ) 2
Si r23 1
( n 1) S 22 S 32 (1 r232 ) ( n 1) S 32 (1 r232 )
1
FIV Factor de incremento
1 r232 varianza
Mg. Beatriz Castañeda 7
Consideremos el modelo restringido
2
Yi 1 21 X 2 i ui V ( ˆ 21 ) u
( n 1) S 22
En cambio para el modelo sin
Yi 1 2 X 2 i 3 X 3 i i
restricción
2
2 2
1
V ( ˆ 2 ) u donde
1
(1 r232 ) ( n 1) S 22 u2 u 2
Si r23 = 0 V ( ˆ 2 ) V ( ˆ 21 )
Así FIV 1 Indica en que medida irá creciendo la varianza del estimador
1 r232 cuando las variables estén correlacionadas.
1
En general FIV Ri2 : es el coeficiente de determinación en el
modelo de Xi dadas las otras variables
1 Ri2
Xs
Estadística
calc
2
n 1 ( 2 k6 5 ) ln R calc
2
k2( k 1) / 2
K: nº de variables explicativas
R: matriz de correlaciones simples
2( k ( k 1) / 2 )
calc
2
R.C.
* http://www.rochester.edu/college/psc/clarke/405/FarrarGlauber.pdf
2
H 0 : Rmax 0 2
H 1 : Rmax 0
Estadística
2
Rmax /( k 1)
Fi F( k 1, n k ) K: nº de variables explicativas
(1 Rmax ) /( n k )
2
F( k ,n k )
Fi
R.C
Mg. Beatriz Castañeda 12
iii. Test t
Para determinar que regresor se encuentra más correlacionado con
una de las otras variables
2
H 0 : rmax 0 2
H 1 : rmax 0
Estadística
rmax n k
rmax es el coeficiente de correlación
T t n k
1 rmax
2 parcial entre un par de variables
t(n-k)
- t1-/2 0 t1-α
R.C. R.C
Variables:
Zona: Norte, Centro, Sur Norte (1= zona norte, 0= otra zona
Centro (1= zona centro, 0= otra zona
Norte=0 y Centro =0 zona sur
Y ŷ Y
Y ŷ
ŷ A ŷ A ŷ B
ŷ ŷ A
ŷ B
ŷ B
X X X
Si está en la Zona A Yi 1 2 X i i
Si está en la zona B , Yi 1 3 2 X i i
A
1 X1 1 0
... ...
Yi 1 2 X i 3 Zona A 4 Zona B i ... ...
1 X 1 0
B
1 X 0 1
Zona A, Yi 1 3 2 X i i X ... ... ... ...
1 X 0 1
Zona B , Yi 1 4 2 X i i
C
1 X 0 0
... ... ... ...
Zona C Yi 1 2 X i i 1
Xn 0 0
Yi 1 2 X i 3 Zona A 4 Zona B i
H0: β3 = 0 y β4 = 0
No hay efecto de la zona sobre el precio de alquiler
H0: β3 - β4 = 0
No hay efecto diferencial de la zona A frente a la zona B , sobre el precio medio de
alquiler
X
Yi 1 2 X i 3 Zona * X i i Zona: 0=Zona A, 1=Zona B
Zona A Yi 1 2 X i i Zona B , Yi 1 ( 2 3 ) X i i
Y
ŶB
Zona: 0=Zona A, 1=Zona B
Ŷ A
A
1 x 0
Yi 1 2 X i 3 Zona * X i i ... ... ...
1 x 0
X
B
Zona A Yi 1 2 X i i 1 x x
... ... ...
1 x x
Zona B , Yi 1 ( 2 3 ) X i i
Yi 1 2G 3 I 4G * I 5 X i i X
H 0 : 1 2 H 0 : 1 2
No hay cambio Hay cambio estructural
Y1 X 1 Y1 X 1 0 1 1
MR Y X MSR Y 0
X 2 2 2
2 2 2
2, 4
̂ SCE (MR ) 4600 3960 640
0 ,6
Yt 11 D1 21 D1 X 1t 12 D 2 22 D 2 X 2 t t , para t 1, T
50 300 0 0 300
300 2100 0 0 2000
X 'X X 'Y Y 'Y 4600
0 0 50 300 300
0 0 300 2500 2200
2
0,67 SCE (MSR) 4600 3965 635
ˆ
2,57 e1' e1 e2' e2 160 475 635
0,57
0,05
( 640 635) / 2
F 0,378
635 / 96 F( 2 ,96 )
3.09
Mg. Beatriz Castañeda
Análisis de Cambio o quiebre estructural
27
1 t
Wt w r ; t k 1, ..., T ; ˆ Se de toda la muestra
ˆ r k 1
w r2
r k 1 1.2
1.0
0.8
Esta prueba se basa en los residuos recursivos y el nivel de significancia de la prueba T para
la hipótesis de estabilidad con el pronóstico de la observación t, dada la información hasta t-
1
4
2
0 H 0 : Hay estabilidad
-2
-4
0.00 et
-6 T
Nivel de 0.05 Set
significancia
0.10
Prueba T
0.15
1996 1997 1998 1999 2000
significancia
.10
Prueba F
.15
1995 1996 1997 1998 1999 2000
Menor significancia implica mayor discrepancia entre el modelo para la primera muestra (T1) con el
modelo para la muestra total (T). La presencia de quiebre se evidencia cuando la probabilidad es
cercana a cero hasta t y luego la probabilidad va en aumento conforme se incorporen datos del
segundo proceso generador de datos
1 .8 5
3 .6
1 .8 0
Estima los coeficientes 3 .2
1 .7 5
del modelo de manera 2 .8
recursiva, si el modelo 1 .7 0
es estable las 2 .4
1996 19 97 1998 1999 2000
1 .6 5
19 96 1997 1998 19 99 2000
estimaciones de los Re c u rs i v e C(1 ) Es ti m a te s ± 2 S.E. Re c u rs i v e C(2 ) Es ti m a te s ± 2 S.E.
coeficientes deben -1 .7
tender a ser -1 .8
convergentes y la -1 .9
tiende a reducirse, -2 .1
conforme crece la -2 .2
muestra. -2 .3
-2 .4
19 96 19 97 19 98 1999 2000
Re c u rs i v e C(3 ) Es ti m a te s ± 2 S.E.